继续请教问题:关于 Pytorch 的 Autograd

雷达

为预防老年痴呆，时不时学点新东东玩一玩。
9 J' [; B  s( D9 `7 i! v9 tPytorch 下面的代码做最简单的一元线性回归：
----------------------------------------------
" a+ K6 l  A: |8 g  v/ _6 B( _import torch
import numpy as np
) q  G7 Z& G: S0 G8 D: limport matplotlib.pyplot as plt
import random
; |5 a7 f9 H2 G; ?5 u' S( O
x = torch.tensor(np.arange(1,100,1))
y = (x*27+15+random.randint(-2,3)).reshape(-1)  # y=wx+b, 真实的w0 =27, b0=15
, A6 V& j* l! D) K: l3 @
& w, d" [+ l7 j! ^w = torch.tensor(0.,requires_grad=True)  #设置随机初始 w,b
5 M* Q7 O! @" i* ]/ h/ j+ Sb = torch.tensor(0.,requires_grad=True)

2 z' U! c% g3 l, Q1 }epochs = 100

, Z: |& k+ T( s9 a7 X" Klosses = []
for i in range(epochs):
) z! q* }0 X+ J+ ?0 z  u" Q  y_pred = (x*w+b)    # 预测
  y_pred.reshape(-1)
! c% j  K) W6 o! h0 M8 @  y( J
  loss = torch.square(y_pred - y).mean()   #计算 loss
  losses.append(loss)
  
  loss.backward() # autograd
  with torch.no_grad():
    w  -= w.grad*0.0001   # 回归 w
    b  -= b.grad*0.0001    # 回归 b
  s) R5 I7 x3 |) M  w.grad.zero_()  
  b.grad.zero_()
6 D9 O$ R: h7 N4 w; J
print(w.item(),b.item()) #结果

! Q2 y  P4 X* N4 n, uOutput： 27.26387596130371  0.4974517822265625
----------------------------------------------
9 E+ k1 i: H& w" e3 X最后的结果，w可以回到 w0 = 27 附近，b却回不去 b0=15。两处红字，损失函数是矢量计算后的均值，感觉 b 的回归表达有问题。
高手们帮看看是神马原因？
1 B1 Z& |2 j! }* J1 m6 _2 x

老福

没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
# j/ d& d4 R3 e' T) r3 o9 G-------
不好意思，再看一遍，好像你在自算回归而不是用现成的工具直接出结果，上面的评论只有一点用，就是确认是不是算法有问题。
-------
算法诊断部分，建议把循环次数改为1000, 再看看loss是不是收敛。有点怀疑你循环次数不够，因为你起点是0, 步长很小。只是直观建议。

雷达

老福 发表于 2023-2-14 19:23
没有用过pytorch，但你把随机噪音部分改成均值为0的正态分布再试试看是不是符合预期？
-------
不好意思， ...

* b, @" b& s7 t" }6 G  m谢谢，算法应该没问题，就是最简单的线性回归。
' N$ ^: h% l5 w7 B  t我特意没有用现成的工具，就是想从最基本的地方深入理解一下。

老福

雷达 发表于 2023-2-14 21:52
谢谢，算法应该没问题，就是最简单的线性回归。
我特意没有用现成的工具，就是想从最基本的地方深入理解 ...

: _. g) x8 B1 B7 C9 U" k刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
5 k% p5 j$ ~9 p2 K+ Z
, H" e& q6 t0 R7 l# P或者把b但的起点改为1试试。

雷达

老福 发表于 2023-2-14 22:00
刚才更新了一下，建议增加循环次数或调一下步长，查一下loss曲线。
4 c* ^2 x9 ^, ~# T, r# T% ?( I
4 p. n" w4 y" l8 M# t或者把b但的起点改为1试试。 ...

你是对的。
* ^+ G: q! P: E3 f. I$ u去掉了随机部分
( L9 s. b8 m+ u/ g; n  H  H& a#y = (x*27+15+random.randint(-2,3)).reshape(-1)
5 Z3 d$ A" u6 t+ S0 P. N' Cy = (x*27+15).reshape(-1)
& `/ z2 S3 \8 C7 f+ {! Q
循环次数加成10倍，就看到 b 收敛了
w , b
* Y8 z& X# o& D1 m9 t9 S* E27.002620697021484 14.826167106628418
! l  }& p5 f- V! B
和 b 的起始位置无关，但 labeled data 用 y = (x*27+15+random.randint(-2,3)).reshape(-1) ，收敛就很慢。